بهبود دقت و کلاسه بندی خودکار برای تشخیص اولیه بیماری پارکینسون با استفاده از ماشین بردار پشتیبان موازی

در این مقاله به تشخیص به هنگام و دقیق بیماری پارکینسون به منظور مدیریت سریع بیماری و اجرای تمهیدات درمانی بسیار ضروری می باشد, پرداخته شده است. باتوجه به رشد روزافزون دستگاه های تصویربرداری عصبی مقطع نگاری طیفی امکان تشخیص بیماری پارکینسون در مراحل اولیه بیماری ممکن شده است . در این پژوهش از ضریب انقیاد بخش مخطط مغز از بانک اطلاعاتی نشانه های آغازی پیشرفت پارکینسون به اختصارPPMI برای تشخیص بیماران و کلاسه بندی افراد به دو دسته سالم و مراحل اولیه بیماری پارکینسون استفاده شده است . در این پژوهش از ماشین های بردار پشتیبان ناموازی برای ساخت مدل استفاده شده است مشاهده می گردد که ماشین های بردار پشتیبان ناموازی با هسته ی غیرخطی RBF به دقتی بالاتر از 96 درصد دست یافته است که نسبت به روشهای مشابه کارایی این روش را نشان میدهد.

کلیدواژه ها:

بیماری پارکینسون ، کلاسه بندی خودکار بیماری پارکینسون ، ماشین بردار پشتیبان ناموازی